Obiettivo: Ottenere una panoramica del corso. Eseguire la classificazione delle immagini utilizzando reti pre-addestrate. Utilizzare il transfer learning per personalizzare reti di classificazione.

• Reti pre-addestrate
• Datastore per immagini
• Transfer learning
• Valutazione della rete

Obiettivo: Scoprire come funziona una rete visualizzando i dati dell'immagine mentre passa attraverso la rete. Applicare questa tecnica a diversi tipi di immagini.

• Attivazioni
• Immagini da segnali
• Estrazione di feature per il machine learning

Obiettivo: Costruire reti convoluzionali da zero. Comprendere come vengono passate le informazioni tra i layer e come funzionano i diversi tipi di layer.

• Training dall'inizio
• Reti neurali
• Layer di convoluzione e filtri

Obiettivo: Comprendere come funzionano gli algoritmi di training. Impostare le opzioni di training per monitorare e controllare il processo di addestramento.

• Training di una rete
• Plot del progresso del training
• Validazione

Obiettivo: Scegliere ed implementare le modifiche alle opzioni dell'algoritmo di training, all'architettura di rete o ai dati di training per migliorare le prestazioni della rete.

• Opzioni di training
• Datastore "augmented"
• DAG (Directed acyclic graphs)

Obiettivo: Creare reti convoluzionali in grado di prevedere risposte numeriche continue.

• Transfer learning per la regressione
• Metriche di valutazione per reti di regressione

Obiettivo: Addestrare reti per localizzare ed etichettare oggetti specifici all'interno delle immagini.

• Rilevamento di oggetti (object detection)

Obiettivo: Costruire e preparare reti per eseguire la classificazione su sequenze ordinate di dati, come serie temporali o dati di sensori.

• reti LSTM (Long short-term memory)
• Classificazione di sequenze
• Preprocessamento di sequenze

Obiettivo: Utilizzare le reti ricorrenti per classificare le sequenze di dati categoriali, ad esempio il testo.

• Sequenze categoriali
• Classificazione di testo

Obiettivo: Utilizzare le reti ricorrenti per creare sequenze di previsioni.

• Classificazione sequence-to-sequence
• Previsioni di sequenze